基于mne对eeg数据进行带通滤波

使用 MNE 对 EEG 数据进行带通滤波的步骤如下：

1. 导入需要的库和数据

import mne
import numpy as np
from matplotlib import pyplot as plt

# 读取 EEG 数据
data = mne.io.read_raw_edf('your_file.edf', preload=True)

2. 定义带通滤波器的参数

# 定义带通滤波器的参数
low_freq = 1  # 低频截止频率
high_freq = 30  # 高频截止频率
filter_order = 4  # 滤波器阶数

3. 对数据进行带通滤波

# 对数据进行带通滤波
data.filter(low_freq, high_freq, method='iir', fir_design='firwin', filter_length='auto',
            l_trans_bandwidth='auto', h_trans_bandwidth='auto', phase='zero', fir_window='hamming',
            fir_cutoff=None, fir_bandwidth=None, picks=None, n_jobs=1, verbose=None)

4. 可视化原始数据与滤波后的数据

# 可视化原始数据与滤波后的数据
raw_data = data.get_data()
filtered_data = data.filter(low_freq, high_freq).get_data()

# 绘制原始数据
fig, ax = plt.subplots(2, 1, figsize=(12, 8))
times = data.times
ax[0].plot(times, raw_data[0], color='blue', label='Raw')
ax[0].legend(loc='upper right')
ax[0].set(title='Raw Data')

# 绘制滤波后的数据
ax[1].plot(times, filtered_data[0], color='red', label='Filtered')
ax[1].legend(loc='upper right')
ax[1].set(title='Filtered Data')
plt.show()

以上是基于 MNE 对 EEG 数据进行带通滤波的简单步骤，可以根据自己的需求进行参数的修改和调整。